論文の概要: Brightness-Invariant Tracking Estimation in Tagged MRI

• arxiv url: http://arxiv.org/abs/2505.18365v1
• Date: Fri, 23 May 2025 20:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.367167
• Title: Brightness-Invariant Tracking Estimation in Tagged MRI
• Title（参考訳）: タグ付きMRIにおける明度-不変追跡推定
• Authors: Zhangxing Bian, Shuwen Wei, Xiao Liang, Yuan-Chiao Lu, Samuel W. Remedios, Fangxu Xing, Jonghye Woo, Dzung L. Pham, Aaron Carass, Philip V. Bayly, Jiachen Zhuo, Ahmed Alshareef, Jerry L. Prince,
• Abstract要約: タグ付きMRIにおける輝度不変性追跡手法を提案する。 BRITEは、観測されたタグ付き画像シーケンスにおいて、タグパターンから解剖を分離し、同時にラグランジアン運動を推定する。 以上の結果から,BRITEは,他の手法と比較して,より正確な動きやひずみ推定が可能であり,また,タグの消色にも耐性があることが示唆された。
• 参考スコア（独自算出の注目度）: 7.804326076893715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Magnetic resonance (MR) tagging is an imaging technique for noninvasively tracking tissue motion in vivo by creating a visible pattern of magnetization saturation (tags) that deforms with the tissue. Due to longitudinal relaxation and progression to steady-state, the tags and tissue brightnesses change over time, which makes tracking with optical flow methods error-prone. Although Fourier methods can alleviate these problems, they are also sensitive to brightness changes as well as spectral spreading due to motion. To address these problems, we introduce the brightness-invariant tracking estimation (BRITE) technique for tagged MRI. BRITE disentangles the anatomy from the tag pattern in the observed tagged image sequence and simultaneously estimates the Lagrangian motion. The inherent ill-posedness of this problem is addressed by leveraging the expressive power of denoising diffusion probabilistic models to represent the probabilistic distribution of the underlying anatomy and the flexibility of physics-informed neural networks to estimate biologically-plausible motion. A set of tagged MR images of a gel phantom was acquired with various tag periods and imaging flip angles to demonstrate the impact of brightness variations and to validate our method. The results show that BRITE achieves more accurate motion and strain estimates as compared to other state of the art methods, while also being resistant to tag fading.
• Abstract（参考訳）: 磁気共鳴(MRタギング)は、生体内での組織の動きを非侵襲的に追跡するためのイメージング技術であり、組織と変形する磁化飽和(タグ)の可視パターンを作成する。 時間的緩和と定常状態への進行により、タグと組織輝度は時間とともに変化し、光学フロー法によるトラッキングはエラーを起こします。 フーリエ法はこれらの問題を緩和できるが、明るさの変化や動きによるスペクトル拡散にも敏感である。 これらの問題に対処するために、タグ付きMRIのための輝度不変追跡推定(BRITE)手法を導入する。 BRITEは、観測されたタグ付き画像シーケンスにおいて、タグパターンから解剖を分離し、同時にラグランジアン運動を推定する。 この問題の本質的な虚偽性は、拡散確率モデルの表現力を利用して、基礎となる解剖学の確率分布と、生物学的に証明可能な運動を推定するための物理情報ニューラルネットワークの柔軟性を表現している。 ゲルファントムのタグ付きMR画像は, 様々なタグ周期とフリップ角度で取得し, 明るさ変化の影響を実証し, 提案手法の有効性を検証した。 その結果、BRITEは、他の最先端手法と比較して、より正確な動きとひずみの推定を達成し、またタグの消耗にも耐性があることが示唆された。

関連論文リスト

• MAISY: Motion-Aware Image SYnthesis for Medical Image Motion Correction [11.150364980770675]
  本研究では、まず動きを特徴付ける動き認識画像合成法(MAISY)を提案する。 胸部CTおよび頭部CTを用いた実験では、我々のモデルは最先端のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-07T03:44:28Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• Is Registering Raw Tagged-MR Enough for Strain Estimation in the Era of Deep Learning? [10.085929773807825]
  tMRIは、変形中の組織の動きとひずみの定量化に長い間使われてきた。 タグフェーディング(英: tag fading)は、タグの可視性が時間とともに徐々に減少する現象であり、後処理を複雑にする現象である。
  論文  参考訳（メタデータ） (2024-01-31T03:28:11Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• DeepTag: An Unsupervised Deep Learning Method for Motion Tracking on Cardiac Tagging Magnetic Resonance Images [10.434681088538866]
  本研究では,t-MRI画像のin vivoモーショントラッキングのための深層学習に基づく完全監視手法を提案する。 本手法は代表的な臨床T-MRIデータセットで検証された。
  論文  参考訳（メタデータ） (2021-03-04T00:42:11Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。